cnn卷积神经网络及其tensorflow的一些资源汇总

ccn原理的理解

深度学习Deep Learning（01）_CNN卷积神经网络

再看CNN中的卷积

这两篇文章里推荐的资源也很好：

CNN(卷积神经网络)是什么？有入门简介或文章吗？

CS231n课程笔记翻译：卷积神经网络笔记

智能单元专栏目录

还有有关tensorflow的：

深度学习之卷积神经网络CNN及tensorflow代码实现示例

tf里实现cnn的相关函数介绍

TF-卷积函数 tf.nn.conv2d 介绍

【TensorFlow】tf.nn.max_pool实现池化操作

还有 优达学城 这个慕课网上谷歌的课程里有cnn的介绍

深度学习

自己还有两个问题要记录一下

1TensorFlow如何设置卷积核

按照 CNN中的卷积核及TensorFlow中卷积的各种实现 中

“CNN中的卷积核的一个重要特点是它是需要网络自己来学习的。这一点很简单也很重要：一般的卷积核如sobel算子、平滑算子等，都是人们根据数学知识得到的，比如求导，平均等等。所以一般的人工卷积核是不能放进卷积层的，这有悖于“学习”的概念。我们神经网络就是要自己学习卷积核的参数。来提取人们想不到甚至是无法理解的空间结构或特征。其他特征包括全局共享（一个卷积核滑动一整张图像），多核卷积（用一个卷积核只能提取一种空间结构或特征）。”

的意思，应该是不需要设置卷积核的，那应该就是某种随机数，但是暂未找到初始卷积核产生方法。通过反馈变成不同的卷积核。那又是如何产生不同的核的，不同的核对应不同的特征。那应该参考CNN(卷积神经网络)是什么？有入门简介或文章吗？

2池化层的max pooling具有平移不变形，ave对背景保存好，还有L2范数的方法。

但最多用max，这是否是真的好，有没有第一次max时丢失信息？别的为什么不被广泛使用。有没有都用的可能